构建 AI 击键数据集

考虑一下这个问题：

描述一下您的早晨通勤情况 - 您如何去上班以及需要多长时间？

并有两条回应：

A: 我大约 8 点开车离开家。大约需要 20 分钟。

B: 我早上的通勤总距离约为 5.2 英里（8.4 公里）。我从公寓步行半英里（0.8 公里）到阿什蒙特站，然后乘坐红线地铁约 4.3 英里（6.9 公里），之后再从市中心站步行 0.4 英里（0.6 公里）到我的办公楼。整个行程通常需要 35 分钟。

AI 的回答显而易见——它包含距离转换、不必要的细节以及完美的段落结构。虽然人类也能写出这样的文章，但他们很少在匆忙的在线调查中这样做。

AI 击键模式

通过关注人类和人工智能答案明显不同的问题，我们构建了一个包含标注答案及其对应打字模式的大型数据集。虽然答案内容通常相似，但打字模式却显示出一致的差异。
人类打字的自然差异性是显而易见的。按键之间的时间间隔遵循一个特征分布，其中停顿和突发是随机的，停顿最常出现在单词和短语的末尾。例如：

人类也会犯错，并使用退格键和其他编辑技巧来修复。相比之下，AI 的响应通常表现出不自然的按键间隔一致性，差异很小，并且几乎不包含更正或退格键：

这种程度的击键一致性几乎是人类不可能复制的。

其他人工智能响应看起来像是人机混合，其中人工智能以编程方式输入文本，然后人类编辑响应：

现实世界的影响

为了说明不良行为者如何破坏调查数据，我们对一款故意制造的劣质产品——太阳能冷藏帽——进行了一项测试研究。通过将回答分为“人类”或“人工智能”，我们​​发现人工智能的回答在下游分析中造成了两类问题。
首先，人工智能的回答显示出了始终更高的支付意愿（人工智能 135 美元，人类 40 美元），这与人工智能相对于人类回答的乐观态度的普遍模式相一致。
其次，AI 的回应增加了噪音。人类的回应形成了合乎逻辑的客户群体（例如积极主动、漠不关心等等），而标记的数据则形成了毫无意义的群体——例如，某个群体认为这顶帽子非常有用，但却不愿意付费。
结论

通过文本分析识别人工智能内容极其困难，而且通常不可靠。我们认为，分析打字模式可能会更加可靠。复杂的按键数据提供了清晰的信号，这些信号比单纯的内容更难伪造（通常也更容易理解）。当然，这是一场猫捉老鼠的游戏。随着检测方法的不断发展，规避技术也在不断改进，我们也在不断更新我们的模型。